百亿量化私募格局变化 - 截至2025年10月底，百亿量化私募数量达到55家，较9月底新增10家，为年内单月最多增幅 [2] - 当月新晋百亿量化私募有6家，分别为纽达投资、平方和投资、超量子基金、上海孝庸私募、大道投资、喜岳投资 [2] - 另有磐松资产、宽投资产、赫富投资、梅山保税港区凌顶投资4家私募机构重新回归百亿规模阵营 [2] 头部量化私募地域与团队特征 - 从地域分布看，上海地区聚集了28家百亿量化私募，占比超过50%，北京地区以11家位居其次 [6] - 团队规模方面，有13家私募员工人数超过100人，其中九坤投资等2家机构员工人数超过150人 [6] - 业务国际化趋势明显，共有九坤投资、佳期私募、宽德私募、因诺资产等21家量化私募持有香港9号牌照 [6] 百亿量化私募业绩表现 - 旗下至少有3只产品符合排名规则的百亿量化私募共37家，今年来平均收益达到***% [6] - 收益位列前10的机构包括宁波幻方量化、稳博投资、诚奇资产、进化论资产、天演资本等 [6] - 宁波幻方量化1-10月收益排名第2，与1-9月排名保持一致，旗下11只产品平均收益为***%，管理规模在三季度增长至700-800亿区间 [10] - 新晋百亿私募中超量子基金收益最高，位列第7，旗下3只产品今年来平均收益为***% [10] 其他规模梯队量化私募表现 - 50-100亿规模梯队中，云起量化、天算量化、安子基金3家机构在10月实现规模跃升，年内收益前3分别为云起量化、千朔投资、天算量化 [11] - 20-50亿规模梯队中，翰荣投资、衍合投资、量创投资、玄信资产4家机构在10月规模跃升，年内收益前3分别为翰荣投资、橡木资产、广州守正用奇 [14] - 10-20亿规模梯队中，仅龙吟虎啸1家在10月规模有所跃升，年内收益前3分别为龙吟虎啸、无量资本、弈倍投资 [18] - 5-10亿规模梯队中，华澄私募、智信融科、探针投资3家机构规模较9月底有所跃升，年内收益前3分别为华澄私募、智信融科、巨量均衡基金 [22] - 0-5亿规模梯队中，年内收益前3分别为京盈智投、锦望投资、全成基金，其中京盈智投以显著优势夺冠 [26] 新晋百亿私募成功因素分析 - 新晋百亿私募主要依靠持续吸引优秀人才，在新技术和硬件上不断投入，保持策略有效性和业绩持续性 [5] - 在新一轮行情中抓住市场机会，为客户创造价值，赢得投资者信赖，实现规模增长 [5] - 面对变化的市场环境，管理人需要保持投研团队实力，不断完善投资策略以适应市场 [5]

量化多头策略整体表现 - 10月以来A股市场震荡轮动，量化产品收益出现显著修复，在有收益展示的825只量化多头产品中，今年来平均收益达41.02%，平均超额收益为14.36% [2] - 量化多头产品10月表现突出，平均收益为0.93%，在所有股票策略产品中最高，平均超额收益为1.5% [2] - 从今年整体表现看，量化多头策略（平均收益41.02%）优于主观多头（平均收益36.11%）和其他主要策略 [3] 各策略类别业绩对比 - 在统计的5189只产品中，股票策略（含量化和主观）今年来平均收益领先，宏观策略（27.17%）、复合策略（25.66%）分列二三位 [3] - 10月单月表现中，其他衍生品策略平均收益最高达4.45%，主观CTA（3.01%）、量化CTA（1.69%）等也录得正收益，而主观多头策略平均收益为-1.35% [3] 量化多头细分策略分析 - 按三级策略划分，其他指增策略今年来超额收益最为亮眼，达到18.52%，年内收益为43.55% [4] - 中证1000指增策略今年来收益最高，达45.51%，超额收益为15.48%；量化选股策略收益为39.25%，超额收益为15.56% [4] - 10月单月，中证500指增超额收益领跑，达到1.76%，但其单月收益（0.64%）低于其他指增（1.57%）和沪深300指增（1.07%） [4] 领先产品及管理人特征 - 中证1000指增产品前十强中，百亿私募旗下产品占据一半，收益前三的产品分别由今通投资钱伟强、鹿秀投资么博等、蒙玺投资李骧管理 [5][7] - 量化选股策略前十强中，百亿私募产品仅龙旗科技一家，其他产品所属公司规模均在50亿以下，显示中小型私募在该策略上更具优势 [10][11] - 中证500指增前十强中，头部私募（规模50亿以上）旗下产品有4只；沪深300指增前十强中，头部私募占据一半 [13][17]

活动概况 - 国信证券于2025年11月20日至21日在深圳福田香格里拉大酒店举办2026年度投资策略会 [1] - 金融工程论坛主题为“新周期·新常态·新范式”，于11月20日13:30-17:00在2楼大宴会厅2举行 [2] 论坛议题 - 议题一：启发式分域视角下的多策略增强组合，由金融工程联席首席分析师张宇主讲 [2] - 议题二：风险模型全攻略一恪守、衍进与实践，由金融工程首席分析师张欣慰主讲 [2] - 议题三：隐性风险视角下的选基因子统一改进框架，由金融工程分析师胡志超主讲 [2] - 议题四：追求可持续Alpha的风险管理，由天弘基金指数与数量投资部总经理杨超主讲 [3] - 议题五：资产配置:ETF的角色与机遇，由大成基金指数与期货投资部执行总监孙雨主讲 [3] - 圆桌论坛主题为“问道2026”，由国信证券金融创新总部总经理陈晓斌主持 [3] 参会嘉宾背景 - 华夏基金数量投资部行政负责人具有12年公募基金管理经验，管理规模超3000亿元，管理产品包括华夏上证50ETF、科创创业50ETF等 [3] - 华泰柏瑞基金副总经理、指数投资部总监拥有24年证券和基金从业经历，超过16年ETF管理经验，截至2025年3季度末管理资产规模超过5000亿元 [4] - 南方基金指数投资部总经理拥有超过19年指数投资和量化研究经验，曾任职于摩根士丹利投资银行(纽约)，管理总规模近2000亿元 [6] - 嘉实基金指数与量化投资首席投资官刘斌具有19年基金从业经验、16年基金投资管理经验，全面负责公司指数与量化投资业务 [7] - 博时基金指数与量化投资部总经理赵云阳在基金行业有二十多年从业经验，管理产品覆盖股票、债券、商品等大类资产基金产品 [8] - 天弘基金指数与数量投资部总经理杨超拥有15年证券从业经验，其管理的指数增强产品规模逾70亿元，多只产品为首批入选个人养老金账户的指数增强基金 [9] - 大成基金指数与期货投资部执行总监孙雨拥有11年工作经历，曾任职于深圳证券交易所、申万菱信基金、国泰海通证券等 [10]

量化策略优势持续性分析框架 - 构建分析框架认为A股市场模式在"共识行情"与"分歧行情"间周期性切换，决定主动与量化策略相对有效性[2] - 市场模式切换引发超额收益来源结构性演变，在侧重深度基本面预判的"认知型Alpha"与侧重捕捉短期定价偏差的"交易型Alpha"之间转变[2] - 引入"机构持仓集中度"作为核心指标连接宏观市场模式与微观Alpha来源，集中度提升预示"共识行情"压缩"交易型Alpha"空间，集中度下降则对应"分歧行情"有利量化策略[2] 市场模式历史回顾与特征 - "共识行情"特征为存在强大产业趋势驱动的清晰主线，如2017年"漂亮50"及2019-2021年新能源半导体主题，此阶段有效性取决于研究"深度"更利主动策略[6] - "分歧行情"特征为经济存量博弈缺乏整体共识主线，如2022年至2025上半年资金高频切换轮动，此阶段有效性取决于"广度"和"纪律性"使量化策略表现出优势[7] - 自2025年下半年以来AI等新兴主题形成新投资主线，策略重心可能再次从捕捉轮动"广度"向挖掘主线"深度"倾斜[11] Alpha来源演变与验证 - "交易型Alpha"适应分歧行情，侧重捕捉市场短期无效性，来源包括行为偏差Alpha和微观结构Alpha[18] - "认知型Alpha"适应共识行情，侧重对未来基本面正确预判，来源包括产业趋势预判、核心标的挖掘及通过另类数据实现的另类Alpha[19] - 数据验证显示2022年前共识行情下认知型Alpha预测能力更强，2022年以来分歧行情中交易型Alpha收益预测能力更强[25] 市场集中度指标构建与作用 - 市场集中度是连接宏观模式与微观Alpha来源的关键指标，高集中度对应共识行情奖励"深度"，低集中度对应分歧行情奖励"广度"[26][27][28] - 基于公募基金季度前十大重仓股数据构建集中度指数，数值越高代表机构持仓越集中头部股票市场共识越强[30][31] - 历史数据显示集中度是判断因子有效性的关键，集中度下行区间市值反转等传统因子更优，上行区间这些因子可能失效[31] 2026年市场集中度与量化策略展望 - 判断2026年市场集中度将进入"中枢抬升的平台期"，中枢高于2022-2024年但低于历史高点并震荡[38] - "中枢抬升"动力来自市场机构化长期趋势未逆转，ETF等增量资金对龙头公司偏好构成底部支撑[39] - "平台震荡"约束来自估值性价比抑制，当前大小盘估值分位数均处于历史高位（滚动5年市盈率分位数80%以上），缺乏风格洼地抑制资金形成单边共识[40] - 复杂主线行情下量化策略仍具优势，需结合理解主线的"深度"与捕捉轮动的"广度"，平均表现可能仍优于主动权益基金[41][42] 2026年A股市场整体观点 - 对2026年A股市场维持中期乐观判断，综合估值情绪资金等指标显示市场未处极端过热状态，风险溢价具吸引力[43][44] - 宏观预期差模型显示PPI超预期、社融规模连续两月超预期、CPI连续两月不及预期、人民币贷款连续三月不及预期，整体对股票市场影响偏中性[44] - 风格判断短期价值占优，四象限风格轮动模型显示综合得分由偏小盘转向均衡，成长价值维度转向价值[45]

文章核心观点 - 石婧的职业生涯完整穿越中国资管行业多个周期，其经验体现了行业从草莽走向精细、从个人英雄主义走向团队化与工具化并重的时代更迭 [2] - 其职业经历中积累的量化研究、体系搭建、团队管理和风险控制经验，成为当前在管FOF产品获取稳健业绩的依仗 [2][9][11][17] - FOF产品的天然定位是稳健，通过多元资产配置和精细化、动态化的基金研究来熨平波动，是行业主流发展方向 [19][22][24][26] 从"挖掘"有效策略起步 - 2007年入行于牛市之巅，在合资公募产品岗位使用量化思维挖掘策略超额收益，包括写代码测试策略回报、风险、敏感性 [1][7][9] - 早期工作为公司挖掘和储备长期策略方向，为后续FOF管理的资产配置、组合构建、选择基金经理打下扎实量化研究基础 [9] - 当前在富国基金团队仍大量使用量化因子并结合主观调研来选基和动态调整，与早期研究方法一脉相承 [9] 重视体系搭建 - 早期合资公募经历使其亲身经历海外成熟的产品设计、投研流程和风控体系 [10] - 随着A股市场发展壮大和波动提升，体系化思维对保障投资理念落实的重要性日益凸显 [10] - 在其后续资管生涯中，始终重视团队体系、规章、流程的完备设计 [10] 转战投资一线 - 2009年转战头部保险资管公司，管理几万亿资金，完成从研究到投资的转型 [11] - 在资产配置部门担任投资经理助理，并作为团队B角替补权益、固收投资岗位，直接管理账户资金 [11] - 经历团队考核机制，锻炼投资管理能力并深刻体会团队合作分工的重要性 [11] "人"是最关键的因素之一 - 2009至2015年，选基体系重点分析基金经理投资体系的先进性、系统性及业绩可持续性 [13] - 为满足巨大资金配置需求，团队早期即布局独树一帜的投资明星并挖掘有潜力的特色基金经理 [14] - 投资思维转变：不追求"全天候"明星，而是因地因时挑选基金进行组合投资以穿越周期 [14] 投资要能适应"高波动" - 2015年市场经历牛熊切换和流动性考验，铸就其投资组合必须能渡过高波动的风控意识 [16][17] - 经历后认识到投资智慧体现在投资端和风控端，平时严谨风控关键时才能留存实力 [17] - 市场随之进入相对低波动、注重公司质量的新时代，中大型资管机构收紧风控和流动性管理要求 [17] FOF产品天然定位是稳健 - 2016年参与筹组养老和FOF团队，"从零开始"搭建FOF投研体系、规则和流程 [19] - 团队选择着重FOF稳健产品特点，追求丰富且相对稳健的产品布局，注重投资分散度和均衡度，该方向日后成为行业主流 [19] - FOF产品天然倾向稳健，在高风险高收益与低风险中收益之间必然选择后者 [20] 投资"新时期" - 当前富国FOF投研体系依托量化和人工智能工具，实现对全市场基金的日频"穿透式"跟踪，提升组合管理和风险管理能力 [22] - 研究颗粒度大大加强，对权益基金有300多个跟踪指标，对债券基金有100多个指标，通过量化与人工配合每日给基金做"体检" [22][23] - 动态跟踪基金策略变化，日频跟踪与定期报告相结合，有体系地调整以达到对标的的"准确定义" [23][24] - FOF投资广度大大增加，需在全球各地区股票基金、不同信用级别债券基金、黄金、REITs等多元资产中做选择，配置可选择度大大提升 [24] 新团队、新产品 - 富国FOF团队已搭建分工科学、梯队完整的投研团队，包括4位基金经理和若干研究员，按资产类别专业分工 [26] - 推出新产品如富国智恒稳健90天持有期混合型FOF，面向稳健投资人追求低波，投资布局涵盖国内外股票、固收基金、REITs、黄金等大类资产 [26] - 历史回溯显示，更多元资产配置能大大熨平波动，使组合业绩相比单市场更稳健，体现FOF产品天然魅力 [26]

市场观点与机构行为 - 瑞银报告基于AI技术突破、企业盈利增长和美联储降息预期，预测标普500指数将达7500点历史高位[1] - 量化系统监测到在科技股股价攀升的同时，对冲基金的多空仓位比创下三年新低，显示机构行为与市场表面观点存在背离[1] - 机构策略看似矛盾，如调高标普目标价10%却建议增持中国资产，实则反映其追求性价比最优的资金配置，而非具体点位[1] 资金流向与市场风格 - 市场风格切换是不同属性资金角力的结果，配置型资金与交易型资金的界限正在模糊化[4] - 程序化交易实际成为市场稳定器，而公募基金的交易频率高于游资，颠覆传统认知[4] - 新能源板块的表面反弹由政策催化，但量化数据显示实质是社保基金在悄悄建仓[4] 量化分析与投资决策 - 普通投资者易出现认知错位，将高频博弈误认为价值投资，或错过长线布局机会[4] - 机构使用资金行为预判价格，而普通投资者习惯用价格变化倒推逻辑，导致焦虑[11] - 量化系统对机构资金动向的预判准确率达91.7%，强调数据细节的重要性[12] 板块与资产配置动向 - AI板块狂欢中，部分龙头股的“机构库存”已在悄然下降，暗示行情或进入后期阶段[11] - 消费板块正迎来三年来最持续的机构资金流入，与投行普遍唱多科技股形成背离，预示重大风格切换可能[12] - 国际资本配置逻辑生变，“China+1”策略下的资本流动沿产业链进行梯度转移，而非简单撤离中国[11] 未来投资认知框架 - 投资应放弃对具体点位的执念，转而关注哪些板块能持续获得“机构库存”加持[13] - 现代机构采用多空对冲、跨市场套利等立体战法，而非单边做多[13] - 当基本面分析可能失效时，量化思维和数据分析显得更为可靠[13] 中国资产与宏观环境 - 外资看重A股低估值背景下，隐含波动率降至历史低位所带来的套利空间[13] - 相较于美联储降息预期已打满，中国央行保留的政策空间成为稀缺资源[13] - 在东南亚崛起的产业链重构中，中国高端制造企业可能成为真正的赢家[13]

公司业绩与规模 - 2025年度平方和投资规模成功迈入百亿元阵营[5] - 公司规模增长得益于市场回暖、投研能力升级及品牌影响力提升[5] 量化行业年度表现 - 2021年四季度至2024年四季度市场经历三年调整周期，从均值回归视角看市场具备较长周期上涨需求[4] - 自去年9月24日起市场指数与量化策略均呈现良好表现，市场情绪改善与活跃度提升为量化超额表现创造有利条件[4] - 本年度量化指增类产品行业平均收益率超40%，市场中性类产品收益率普遍在10%以上，属于量化行业整体运营环境较好年份[4] 量化策略核心逻辑与市场作用 - 量化行业底层逻辑在于对A股市场长期信心，以及对中国经济基本面、资本市场改革进程与政策支持力度认可[3][4] - 量化指增产品始终保持高仓位运作，市场下行也不会大幅减持[4] - 量化中性产品在市场调整期发挥稳定器作用，得益于对冲端保护，股票端无需减仓甚至可能适度加仓[4] - 主流量化策略核心在于选股而非择时，重点布局具备价值优质标的并保持满仓持有，较少追涨杀跌，能抑制市场波动发挥阻尼器作用[4] 程序化交易监管影响 - 当前量化与程序化交易规模已达1.5万亿元左右，监管政策出台势在必行[6] - 《程序化交易管理实施细则》核心在于规范行业发展而非限制活力，重点约束可能引发市场不公平碾压式技术手段[6] - 监管政策引导量化策略从“拼速度”转向“拼质量”，从“微秒级竞争”转向“中低频有效性竞争”，改善市场流动性质量构建公平交易环境[7] - 中低频Alpha策略等主流量化策略更注重市场信息挖掘研究与较长期价值发现，受新规影响极小[7] - 平方和投资已在交易风控体系开展多项优化工作，确保交易操作合规同时保障策略收益稳定性[7] 2026年市场展望与能力建设 - 市场分歧显著时阿尔法策略更易发挥作用，市场共识较强时其操作空间相对受限[8] - 分歧阶段交易型Alpha有效性更突出，共识阶段认知型Alpha价值更高[8] - 为适配2026年市场不同阶段特征、增强超额收益获取能力，量化行业需同步提升模型交易能力与认知能力[8]

市场整体表现 - 2025年10月A股市场高位震荡，上证指数月内一度突破4000点，全月累计上涨1.85%，而深证成指和创业板指分别下跌1.10%和1.56% [2] - 2025年1-10月，有业绩展示的5189只私募产品整体平均收益为29.04%，其中10月单月平均收益仅为0.03% [2] 百亿私募整体业绩 - 百亿私募旗下有业绩展示的662只产品10月平均收益达1.10%，显著高于其他规模组私募，今年前10月平均收益为30.38% [2] - 从公司规模看，百亿私募（100亿以上）产品规模合计达1174.85亿元，其1-10月平均收益为30.38%，表现优于0-5亿规模组（28.14%）和50-100亿规模组（24.79%）[3] 百亿私募策略表现 - 股票策略是百亿私募中表现最突出的策略，今年前10月收益均值为33.65%，其中量化多头产品整体收益最高，平均收益达44.65% [3][4] - 多资产策略产品今年前10月收益均值为23.17%，10月单月收益均值为1.67% [4] - 期货及衍生品策略和债券策略产品今年前10月收益相对较低，分别为7.13%和10.61% [4] 股票策略领先产品与公司 - 远信投资旗下产品“远信中国积极成长C类份额”今年1-10月收益位居股票策略第一，公司于2025年10月重返百亿私募阵营，旗下6只产品前10月收益均值在百亿私募中位列第1 [8] - 平方和投资旗下产品“平方和鼎盛中证2000指数增强21号A期”业绩表现亮眼，公司于2025年10月成功跻身百亿阵营，是一家股票策略量化私募 [8] - 平方和投资创始人认为量化行业的根基在于对A股的长期信心，主流量化模型的内核是“选股”而非“择时”，通过算法精选有价值的好股票并满仓持有 [9] 量化多头策略领先产品与公司 - 2025年A股市场小盘成长风格显著，结构性行情凸显，为量化策略提供了丰沃的土壤，百亿私募旗下266只量化多头产品前10月平均收益达44.65% [10] - 龙旗科技旗下产品“龙旗科技创新精选1号C类份额”今年1-10月超额收益位居量化多头策略第一，公司成立于2011年，是国内成立较早的资深量化对冲基金 [13] - 稳博投资旗下产品“稳博小盘激进择时指增1号”和念觉私募旗下产品“念觉量臻量化精选优盛1号”业绩表现也相当突出，念觉私募于2025年8月新晋百亿阵营 [13] 多资产策略领先产品与公司 - 百亿私募旗下64只多资产策略产品10月份收益均值为1.67%，今年来收益均值为23.17% [14] - 黑翼资产旗下产品“黑翼优选成长1号A类份额”今年1-10月收益位居多资产策略第二，公司成立于2014年，是国内首批成立的量化投资机构之一，资产管理规模超过400亿元 [17] - 千象资产旗下产品“千象卓越3号中证500指数增强A类份额”和盛泉恒元旗下产品“盛泉恒元灵活配置16号A类份额”上榜多资产策略前十，后者是上榜中产品规模最大的 [17][18]

A股市场整体态势 - 市场进入缩量震荡阶段，量化及赚钱效应指标回落至中性区间，但资金“抄底”意愿仍存，投资者情绪回调幅度或相对有限 [1] - 短期大盘趋势偏强，但增量资金入场未见明显 [7] - 上证指数本周大概率创新高，因外盘走势好转，美股大涨有望带动A股 [10] - 创业板指数11月走势偏弱，与机构资金调仓换股有关，计算机、机械、医药、基础化工和国防军工等行业市值上涨但盈利变化为负 [10] 行业配置策略 - 建议仓位向哑铃配置迁移：科技为短期市场主线，关注恒生科技、A股算力、机器人等低位标的；红利板块具备防御性；可左侧布局预期偏弱但风险消化充分的顺周期消费板块 [1] - 主力资金净流入行业板块前五为食品、医药、中药、环保、固废处理；概念板块前五为大农业、钠电池、新零售、石墨烯、流感 [1] - PCB板块有所回调，但AI PCB行业底层增长逻辑未变，龙头厂商业绩预期逐步兑现，估值存在上修空间，后续存在密集潜在催化 [5] 煤炭行业 - 煤炭板块周期底部确认在2025年第二季度，供需格局显现逆转拐点，下行风险充分释放 [3] - 自9月15日启动上涨以来，煤价已超过770元/吨，呈现超预期上涨态势，核心原因是5月以来行业供需格局发生根本性逆转 [3] - 当前煤价接近短期高点，冬季或小幅回落但空间有限，中期向上趋势不会改变 [3] 黄金与避险资产 - 市场避险情绪攀升，黄金标的表现强势，短期金价或宽幅震荡 [3] - 若市场避险情绪调整叠加多头获利了结，商品和股票价格或宽幅震荡 [3] - 中长期看，美国联邦政府债务风险仍存，美元地位面临挑战，全球货币体系重构下，黄金仍有持续表现机会 [3] - 如果特朗普掌控美联储，从债市逃离的小部分资产将极大推升金价 [10] 锂电池行业 - 2025年储能政策推动储能电池需求超预期增长，单车带电量提升及以旧换新政策带动动力电池需求提高，全球储能及动力电池景气度有望延续 [5] - 锂盐需求料继续超预期，锂行业投资高峰期已过，供应增速预计逐步下滑，9月锂盐冶炼厂库销比为28%，降至2022年水平 [5] - 预计2025-2028年全球锂行业供应过剩量分别为10.1/7.8/2.9/1.1万吨，供需将逐渐转为紧平衡，锂价底部有望抬升，预计2026年锂价运行区间为8-10万元/吨 [5] - 建议关注锂价触底反弹过程中可能受益的低成本标的及拥有优质矿山资产的公司 [5]

行业政策与趋势 - 政策明确提出促进行业高质量发展，鼓励基金公司加大对人工智能、大数据等新兴技术的研究与应用[1] - 公募基金行业正站在技术驱动的历史拐点，AI日益成为行业转型升级的核心引擎[1] 公司AI技术应用历程与基础 - 中银基金是国内首批投入AI新浪潮的基金公司之一，早在2009年就已组建量化投研团队[2] - 公司已自主完成从数据库到投资策略模型的构建，并自主构建因子库、阿尔法模型、风险模型、优化器模型、归因模型等[1] AI在数据处理与因子挖掘中的应用 - AI技术可将非结构化、多源、海量的"边缘数据"低成本纳入因子框架，早期使用BERT等轻量级神经网络对上市公司公告进行情感分析[2] - 大语言模型成为新基座后，数据处理的广度和深度得到质的飞跃，可将数据量更大的券商研报、论坛评论等纳入语义分析，并识别公司公告中的隐语[2] - 公司团队构建基于大模型的算法挖掘体系，将因子公式算子化、算子组合自动化、筛选标准严格化，形成模型驱动的算法挖掘流程[3] - 该体系能在传统因子挖掘周期内产出数量级更多的有效因子，同时保持因子质量和多样性，使研究员能将精力更多投入复杂因子设计和核心模型架构[3] AI对量化投资策略的全面影响 - AI研究方法论深度参与策略开发，包括收益预测、另类研究、组合优化等多个层面[4] - 在收益预测方面，使用神经网络、树模型对人工挖掘因子进行非线性组合，或使用股票量价数据直接预测收益率，深度神经网络能捕捉市场复杂模式，树模型提供优秀特征组合能力[4] - 在另类研究领域，大语言模型更好赋能文本情感分析及文本嵌入，在因子挖掘领域提供了区别于传统人工挖掘与遗传算法的新路径[4] 人机协同与未来展望 - 成功的量化投资实践表明，人机协同是最优解决方案，经验性判断在实际量化投资中仍然不可或缺[4] - 基于经验的数据处理方法和模型调优能显著提升AI模型的训练效率和稳定性，人工因子提供稳定基础和可解释性，AI因子提供多样性和复杂性，两者结合实现1+1>2效果[4] - 随着技术不断进步，AI在量化投资中的应用前景更加广阔，强化学习的快速发展为未来因子挖掘、组合优化提供更多优化提升空间[5]